Chọn Auto, TokenLab Verified hoặc Official cho mỗi yêu cầu, với giá được hiển thị ngay từ đầu. Xem có gì mới

Baidu: ERNIE-Image

ERNIE-Image là mô hình chuyển văn bản thành hình ảnh 8B của Baidu, được xây dựng trên kiến trúc Diffusion Transformer luồng đơn. Mô hình được thiết kế để bám sát câu lệnh tốt, hiển thị văn bản đáng tin cậy và tạo hình ảnh có cấu trúc, rất phù hợp cho áp phích, truyện tranh, bảng phân cảnh, bố cục nhiều khung hình và các quy trình khác mà độ chính xác của nội dung và bố cục quan trọng không kém gì tính thẩm mỹ. Mô hình tiêu chuẩn nhấn mạnh vào khả năng đa năng mạnh mẽ hơn và độ trung thực với hướng dẫn, thường chạy ở khoảng 50 bước suy luận.
So sánh mô hình
ernie-image
Sẵn sàngBaiduHình ảnhĐồng bộ
Giá
Từ $0.0038
Phương thức
Hình ảnh

Về ERNIE-Image

ERNIE-Image là mô hình chuyển văn bản thành hình ảnh với trọng số mở của Baidu, một Diffusion Transformer luồng đơn 8 tỷ tham số kết hợp với bộ tăng cường câu lệnh nhẹ giúp mở rộng các câu lệnh ngắn. Nó được xây dựng để tuân theo chỉ dẫn và hiển thị văn bản dài, dày đặc, nhạy cảm với bố cục, phù hợp cho áp phích, đồ họa thông tin, truyện tranh và bố cục nhiều khung hình. Đây là mô hình tiêu chuẩn, thường chạy ở khoảng 50 bước.

Ưu điểm

  • Hiển thị văn bản dày đặc và dài bên trong hình ảnh, điều mà thẻ mô hình của Baidu nhấn mạnh cho áp phích, đồ họa thông tin và hình ảnh theo phong cách giao diện người dùng.
  • Tuân theo các chỉ dẫn phức tạp về nhiều đối tượng, vì vậy một câu lệnh với nhiều chủ thể và mối quan hệ thường sẽ hiển thị đúng vị trí bạn đặt.
  • Xử lý các bố cục có cấu trúc như truyện tranh, bảng phân cảnh và các trang nhiều khung hình nơi bố cục quan trọng ngang với phong cách.
  • Bộ tăng cường câu lệnh tích hợp biến yêu cầu ngắn gọn thành mô tả phong phú hơn trước khi tạo hình ảnh.

Khi nào nên chọn model khác

  • Chỉ nhận câu lệnh văn bản; không có đầu vào chỉnh sửa hình ảnh hoặc hình ảnh tham chiếu trên mô hình này.
  • Mô hình tiêu chuẩn chậm hơn ERNIE-Image-Turbo vì nó chạy nhiều bước khử nhiễu hơn.
  • Nó được tinh chỉnh cho đầu ra có cấu trúc, nhiều văn bản, vì vậy hãy chọn mô hình khác cho ảnh chân dung chân thực hoặc phong cách hội họa.

Bắt đầu

  1. Tạo API key

    Tạo API key trong Console để dùng cho mọi mô hình trên nền tảng.

  2. Gửi yêu cầu đầu tiên của bạn

    Sao chép ví dụ cho ngôn ngữ của bạn và chạy nó với endpoint.

    Văn bản sang ảnhĐiểm cuối TokenLab
    POST/v1/images/generations
    curl -X POST "https://api.tokenlab.sh/v1/images/generations" \
      -H "Authorization: Bearer sk-xxx" \
      -H "Content-Type: application/json" \
      -d '{
      "operation": "text-to-image",
      "model": "ernie-image",
      "prompt": "A minimalist product photo of matte black headphones on a soft blue background."
    }'

Tham số

Văn bản sang ảnh

Tham sốGiá trị và giới hạnMặc địnhGhi chú
cfg_scale≥ 0, ≤ 20Chưa cung cấpUse multiples of 0.01.
guidance_scale≥ 0, ≤ 20Chưa cung cấpUse multiples of 0.01.
height≤ 20481024Use an integer. Use multiples of 16.
n11Use an integer.
operationChưa cung cấpChưa cung cấpChưa cung cấp
output_formatjpeg, png, webpChưa cung cấpDefault encoding is shared by these equivalent values: jpg, jpeg.
promptChưa cung cấpChưa cung cấpChưa cung cấp
seed≥ 0, ≤ 9007199254740991Chưa cung cấpUse an integer.
steps≥ 15, ≤ 5030Use an integer.
width≤ 20481024Use an integer. Use multiples of 16.

Fields outside this contract are rejected.

Giá

Giá Verified áp dụng cho Verified, thường rẻ hơn trên hầu hết các model. Giá Official là giá niêm yết từ nhà phát triển, áp dụng cho route Official ổn định hơn. Auto sẽ tính phí dựa trên route hoàn thành yêu cầu.

Văn bản sang ảnh

mỗi yêu cầu
Giá Official
$0.0038
Giá Verified
—
Giảm giá
—

Sử dụng & hoạt động

Tỷ lệ thành công là tỷ lệ yêu cầu hoàn tất. Độ trễ là thời gian của một phản hồi đầy đủ; P95 nghĩa là 95% yêu cầu hoàn thành trong khoảng thời gian đó.

Mức sử dụng & tình trạng

24 giờ qua
Yêu cầu
Tỷ lệ thành công
Độ trễ P95
Tổng token
Hiệu năng mô hình
Các chỉ số sẽ xuất hiện sau khi đạt ngưỡng về quyền riêng tư và khối lượng dữ liệu.

Dữ liệu dựa trên các yêu cầu tổng hợp của người dùng, không bao gồm các kiểm tra trạng thái.

Mở trong Console

Mở ERNIE-Image trong Console để chỉnh sửa và gửi prompt ngay.

Giúp tôi tạo hình ảnh với ernie-image sử dụng text-to-image tại /v1/images/generations. Hiển thị kết quả, chi phí và các giới hạn cần biết.

Tình huống sử dụng

Phù hợp cho
  • Văn bản thành ảnh
  • Áp phích và đồ họa thông tin

    Tạo áp phích với tiêu đề, tiêu đề phụ và văn bản dạng danh sách được đặt trong bố cục bạn mô tả, sau đó lặp lại để chỉnh sửa cách diễn đạt.

  • Truyện tranh và bảng phân cảnh

    Tạo các trang nhiều khung hình trong đó mỗi khung hình có cảnh và chú thích riêng, giữ nguyên cấu trúc khung hình từ câu lệnh của bạn.

  • Hình ảnh mô phỏng giao diện người dùng

    Tạo hình ảnh theo phong cách màn hình ứng dụng với nhãn và nút cho các bài thuyết trình và đánh giá ý tưởng.

Ví dụ prompt

Một áp phích hòa nhạc dọc, tiêu đề 'NIGHT MARKET LIVE' bằng chữ đỏ đậm, liệt kê ba ban nhạc bên dưới và một con phố thắp đèn lồng ở phía dưới.

Một bộ truyện tranh bốn khung hình về một chú mèo học lập trình, với chú thích ngắn dưới mỗi khung hình và thiết kế nhân vật nhất quán.

Một đồ họa thông tin có tiêu đề 'How a Bill Becomes Law' với năm bước được đánh số, mỗi bước có một nhãn ngắn và một biểu tượng đơn giản.

FAQ

ERNIE-Image là gì và ai tạo ra nó?

Đây là mô hình chuyển văn bản thành hình ảnh của Baidu với 8 tỷ tham số, được xây dựng trên Diffusion Transformer luồng đơn. Nó được phát hành theo giấy phép Apache 2.0 và hướng tới việc tuân thủ chỉ dẫn chính xác và văn bản dễ đọc, thay vì chỉ tập trung vào tính thẩm mỹ.

ERNIE-Image hiển thị văn bản như thế nào?

Thẻ mô hình của Baidu trình bày văn bản dài, dày đặc, nhạy cảm với bố cục như một khả năng nổi bật, đó là lý do tại sao áp phích, đồ họa thông tin và hình ảnh giống giao diện người dùng là mục tiêu của nó. Hãy kiểm tra các chuỗi văn bản ngắn trong kết quả của bạn, vì bất kỳ mô hình hình ảnh nào cũng vẫn có thể viết sai chính tả một số từ.

Sự khác biệt giữa ERNIE-Image và ERNIE-Image-Turbo là gì?

ERNIE-Image chạy khoảng 50 bước suy luận và nhấn mạnh vào khả năng tổng quát và độ trung thực với chỉ dẫn. ERNIE-Image-Turbo là biến thể chưng cất cần 8 bước, vì vậy nó nhanh hơn nhiều và ưu tiên tốc độ cùng tính thẩm mỹ bóng bẩy hơn là độ trung thực của mô hình cơ sở.

ERNIE-Image có chỉnh sửa hình ảnh hiện có không?

Không. Danh mục chỉ liệt kê chuyển văn bản thành hình ảnh cho mô hình này. Bạn cung cấp câu lệnh văn bản và nhận được hình ảnh mới. Để chỉnh sửa hoặc tạo dựa trên tham chiếu, hãy chọn mô hình hình ảnh có liệt kê các thao tác chỉnh sửa.

ERNIE-Image có giá bao nhiêu?

Trên TokenLab, ERNIE-Image có giá $0.0038 mỗi yêu cầu. Bảng giá phía trên cho thấy chi tiết đầy đủ. Giá phụ thuộc vào đơn vị tính phí, thông số và mức sử dụng. Hãy so sánh các điều kiện tương đương trong bảng giá chi tiết của mô hình; một mức giá đơn lẻ không quyết định tổng chi phí.

ERNIE-Image nên dùng endpoint nào?

Dùng https://api.tokenlab.sh/v1/images/generations làm mặc định cho ERNIE-Image. Nếu mô hình hỗ trợ định dạng native của nhà cung cấp, API workbench cũng hiển thị endpoint đó.

ERNIE-Image hỗ trợ những thao tác nào?

ERNIE-Image hỗ trợ Văn bản sang ảnh. Chọn một thao tác trong API workbench phía trên để xem endpoint và mã ví dụ tương ứng.

So sánh ERNIE-Image

Nguồn

Đánh giá ngày 2 thg 10, 2026

Xem thêm từ Baidu

Mô hình liên quan